典型文献
基于GA-BP和RBF的风力发电时间序列混沌预测组合模型
文献摘要：
针对单一模型难以对具有不确定性和随机性等特点的风电功率数据实现精确预测,该文提出基于GA-BP和RBF的风力发电时间序列混沌特性组合预测模型.组合预测模型对原始风电功率数据进行混沌特性判定,使用基于嵌入窗法的C-C求解法对数据进行相空间重构,得到输入数据集.并且,该组合预测模型基于皮尔逊相关系数和模型的不同预测能力,实时更新各模型的权重,提高模型的综合预测能力.实际风电场数据验证表明,组合预测模型对风电功率预测的皮尔逊相关系数为0.985,证明了此组合模型在提升风电预测精度方面具有优越性.
文献关键词：
风电功率预测;混沌时间序列;BP神经网络;RBF神经网络;皮尔逊相关系数
中图分类号：
作者姓名：
王金锋;杨宇琦;温栋;孙晓晨;任正某;王茹月
作者机构：
国网陕西省电力有限公司经济技术研究院,陕西西安 710065;国网陕西省电力有限公司,陕西西安 710048;国网陕西省电力有限公司铜川供电公司,陕西铜川 727000;西安理工大学电气工程学院,陕西西安 710054
文献出处：
引用格式：
[1]王金锋;杨宇琦;温栋;孙晓晨;任正某;王茹月-.基于GA-BP和RBF的风力发电时间序列混沌预测组合模型)[J].电网与清洁能源,2022(11):117-125
A类：
B类：
GA,RBF,风力发电,发电时间,混沌预测,组合模型,随机性,精确预测,混沌特性,组合预测模型,相空间重构,输入数据,该组,皮尔逊相关系数,预测能力,实时更新,风电场,数据验证,风电功率预测,风电预测,混沌时间序列
AB值：
0.246965
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
